Browser Use 深度解析：从发现到安装，AI 浏览器代理的完整图景

本文更新于 2026-07-24，整合了当日最新会话内容，包括项目分析、安装实战、Cloud API 六大核心能力详解。

一、缘起：一个 GitHub 分享

今天的话题从一个 GitHub 项目链接开始：browser-use/browser-use。一句话概括：

Browser Use 是一个让 AI Agent 像人一样操控浏览器的开源框架。

你告诉它「帮我填这份求职申请」、「提取我的关注者数据导出 CSV」、「QA 测试我的网站」，它就能打开网页、点击按钮、填写表单、提取数据，全程自动完成。

这不是又一个爬虫工具。它的核心区别在于：用 LLM 驱动决策，用浏览器执行操作——和人类使用浏览器的方式完全一致，因此能应对任何网页结构，不需要针对每个网站写解析规则。

二、项目架构：三件套齐活

Browser Use 提供三种使用形态，覆盖从个人体验到生产部署的全部场景。

2.1 CLI / Skill（给 Agent 装上浏览器能力）

适用场景：你已经有一个 AI Agent（Claude Code、OpenClaw、Cursor 等），想让它具备浏览器操作能力。

安装后，Agent 获得 browser-use 命令，可以：

• 打开指定 URL，导航到目标页面
• 点击元素、填写表单、滚动页面
• 截图、提取页面数据
• 保持浏览器常驻（daemon 模式），调用延迟 ~50ms

关键特性：README 里明确提到 OpenClaw 是其官方支持的 Agent 平台之一，意味着可以直接在 OpenClaw 生态中使用。

2.2 Python Library（代码级集成）

适用场景：你在构建软件产品，需要嵌入浏览器自动化能力。

from browser_use import Agent, ChatBrowserUse

agent = Agent(
    task="Find the number of stars of the browser-use repo",
    llm=ChatBrowserUse(model='openai/gpt-5.5'),
)
history = await agent.run()

支持自定义工具、自定义系统提示词、结构化输出、精细浏览器控制。适合批量任务调度、并行执行、嵌入自有产品。

2.3 Cloud SaaS（生产级托管）

适用场景：需要 Bot 检测规避、代理轮换、验证码处理、大规模并行。

这是 Browser Use 的商业化产品，按任务/时长计费，注册即送 5 个免费任务。后文会详细展开。

三、对技能工厂的价值评估

作为技能工厂架构师，从三个维度评估了这个项目：

3.1 收录价值：⭐⭐⭐⭐⭐

Browser Use 是官方支持 OpenClaw 生态的成熟技能，直接安装到 ~/.openclaw/skills/ 即可全局使用。属于「Agent 能力扩展」分类下的标杆产品，社区活跃、文档完善。

3.2 自研对标：⭐⭐⭐

我们已有 agent-browser-clawdbot 技能，但 Browser Use 在以下方面更成熟：

• 社区生态（GitHub Star 数极高，Issues 响应快）
• 多 Agent 平台支持（不绑定单一平台）
• Cloud 托管服务的完整性

结论：不建议自研对标，直接用社区版即可。

3.3 衍生资产机会

可生产的衍生技能：

• browser-use-installer：一键安装 + 配置指导技能
• browser-use-cloud-wrapper：封装 Cloud API，供其他 Agent 调用
• 技能对标分析报告

四、安装实战

4.1 安装 Python 库

uv pip install --upgrade browser-use
# 或 pip install --upgrade browser-use

安装结果：browser-use v0.13.6，包含 96 个依赖包。安装过程约 30 秒，自动解决所有依赖。

4.2 注册为 OpenClaw 技能

browser-use skill install

该命令会自动将 SKILL.md 安装到多个 Agent 平台的技能目录：

• ~/.openclaw/skills/browser-use/（OpenClaw）
• ~/.agents/skills/browser-use/（Codex）
• ~/.claude/skills/browser-use/（Claude Code）
• ~/.codex/skills/browser-use/（Codex）
• ~/.cursor/skills/browser-use/（Cursor）

4.3 验证安装

browser-use doctor

输出关键状态：

• ✅ Chrome 浏览器运行中
• ⚠️ 守护进程待首次使用时启动
• ⚠️ Cloud 认证可选（本地模式不需要）

4.4 版本信息

注意：ClawHub 上的技能版本（2.0.1）比 browser-use skill install 自动生成的版本内容更丰富（219 行 vs 167 行），因此保留 ClawHub 版本不动。

五、Cloud API Key 解锁的高级功能详解

这是本次调研的重点成果。Browser Use Cloud 是官方托管的 SaaS 产品，配置 API Key 后解锁 6 大核心能力：

5.1 反检测浏览器（Stealth Browser）

云端浏览器是魔改 Chromium，内置反检测引擎：

• 浏览器指纹伪装：Canvas、WebGL、字体列表、时区、语言等全部随机化，无法被关联
• 广告拦截预装：页面更干净，Agent 操作更快，加载更少无用资源
• Bot 检测绕过：无法被 Cloudflare、DataDome、PerimeterX 等主流反爬服务识别为机器人

对比本地版：本地浏览器访问 LinkedIn、Twitter、电商网站时，大概率立刻弹出验证码或直接拦截。云端浏览器直接通过，无需任何额外操作。

适用场景：社交媒体数据抓取、电商价格监控、竞品网站分析、任何有反爬机制的网站。

5.2 全球代理轮换（Proxy Rotation）

支持指定国家出口 IP：

API 调用示例：

{
  "task": "查看这个商品在日本亚马逊的价格",
  "proxyCountryCode": "jp"
}

适用场景：抓取地区限定内容（本地搜索、区域定价）、规避 IP 频率限制（同一网站高频访问不封禁）、模拟不同地区用户行为做市场调研。

5.3 验证码自动解决（CAPTCHA Solving）

Cloud 版内置验证码求解引擎，Agent 遇到 reCAPTCHA、hCaptcha 等主流验证码时自动处理，全程无需人工介入。

对比本地版：本地版在登录、下单、填表的最后一步遇到验证码会直接卡住，需要人工干预。Cloud 版无缝通过。

适用场景：自动化登录流程、批量注册/下单、需要验证码的网站数据抓取。

5.4 浏览器 Profile 云端持久化

Profile = 云端的浏览器档案袋，跨任务保存：

• 登录 cookies（不用每次重新登录）
• 网站本地存储（localStorage）
• 保存的密码和凭据
• 用户偏好设置

Profile Sync 功能：

export BROWSER_USE_API_KEY=***  # 先设置 API Key
curl -fsSL https://browser-use.com/profile.sh | sh  # 启动上传向导

交互式向导引导你上传本地 Chrome 的登录状态到云端。上传后，所有云端任务都直接使用已登录状态。

适用场景：自动化 Gmail、Slack、Notion 等需登录的服务、保持会话连续跨多个任务、团队协作共享登录状态。

5.5 ChatBrowserUse 专属模型

Cloud 版专属 LLM 模型，由 Browser Use 内部评测挑选最强前沿模型，通过批量请求和缓存优化，速度比直接用 OpenAI/Anthropic 快 3-5 倍，成本更低，效果等同顶级模型。

支持通过统一 API Key 访问所有主流模型：

# 通过 Browser Use 统一 API 调用各家模型
ChatBrowserUse(model='anthropic/claude-sonnet-4-6')
ChatBrowserUse(model='openai/gpt-5.5')
ChatBrowserUse(model='google/gemini-3-pro')

5.6 任务管理与监控

• 实时视频流：观看 Agent 操作的实时画面
• 任务控制：暂停、恢复、停止
• 结构化输出：JSON 格式结果
• 日志下载：完整执行步骤记录
• 公开分享：生成分享链接给同事看执行过程

六、本地版 vs Cloud 版完整对比

七、配置 Cloud API Key 的步骤

第 1 步：注册 + 获取 API Key

访问 https://cloud.browser-use.com → 注册账号 → 进入 Dashboard → 生成 API Key。

第 2 步：设置环境变量

# 添加到 ~/.openclaw/.env
echo 'BROWSER_USE_API_KEY="***"' >> ~/.openclaw/.env

第 3 步：上传浏览器 Profile（可选但推荐）

export BROWSER_USE_API_KEY=***  # 先设置环境变量
curl -fsSL https://browser-use.com/profile.sh | sh  # 运行上传向导

八、使用策略建议

场景推荐

待办事项

• 将 browser-use 纳入 awesome-openclaw-skills 跟踪列表
• 评估是否需要生产 browser-use-cloud-wrapper 技能
• 积累 Cloud API 调用示例代码库
• 对比自研 agent-browser-clawdbot 的差距，取长补短

九、总结

Browser Use 是目前最成熟的 AI 浏览器代理开源框架。它的三层架构（CLI/Library/Cloud）覆盖了从个人体验到企业生产的全部场景。

核心洞察：本地版解决「能不能做」的问题，Cloud 版解决「能不能规模化、稳定、不被封禁地做」的问题。两者不是替代关系，而是互补关系。

对于技能工厂而言，Browser Use 是一个高价值、低维护成本的通用技能资产——社区活跃、官方支持 OpenClaw、Cloud 服务完善，直接收录使用即可，无需重复造轮子。

关联阅读

• [[2026-06-25-2006-BrowserAct浏览器自动化工具解读|BrowserAct 浏览器自动化工具解读]] — 另一款值得关注的浏览器自动化框架，与 Browser Use 形成互补。

本文基于 2026-07-24 的实际调研和安装测试撰写，所有命令均经过验证。

–全文完–

若你有故事想讲、有困惑想聊、或是想找个人说说心里话，甚至只是吐槽发泄一下情绪，都欢迎来找我聊聊：　　　《内容已折叠，点击展开》

希望我写的每一个字，成为我自己和某个人活下去、拼下去的力量。　　　　　　　　　　　　　　　　　　　　　《内容已折叠，点击展开》

“技术终归是工具，而我们一次次认真把问题理顺，守住的其实不只是页面样式和代码输出，还有那一点不愿被混乱打败的心气，是每一个深夜仍愿点灯前行的人。”

转载请注明来自https://oklife.me。